SNIPE (hier für Unterseite klicken) ist eine ausführlich dokumentierte JAVA-Bibliothek, welche ein schnelles, feature-reiches und einfach benutzbares Framework für Neuronale Netze implementiert. Es ist ursprünglich für den Einsatz in Hochleistungssimulationen konzipiert, in denen sehr viele, auch große Netze gleichzeitig trainiert und ausgeführt werden und dementsprechend optimiert. Viel Spaß damit!

Das Design und die Implementierung von SNIPE wurde so konzipiert, dass es jedem der folgenden Ziele gerecht wird:

• Generalisierte Datenstruktur für beliebige Netzwerktopologien, so dass praktisch alle Netzwerktopologien realisiert oder auf einfache Weise manuell modelliert werden können.
• Direkt eingebaute, schnell und einfach zu verwendende Lernverfahren sowohl für gradientenbasiertes Lernen als auch für Evolutionäre Algorithmen.
• Mechanismen für Design und Kontrolle von großen Mengen von Netzen
• Optimal schnelle Propagierung von Daten durch das Netz, im Gegensatz zu landläufigen und häufig implementierten Datenstrukturen. Dies soll auch für topologische Spezialfälle, wie Multi-Layer-Perceptrons oder sehr dünn besetzte Netzwerke gelten. Obendrein soll der Rechenaufwand bei Topologieänderungen gering sein.
• Geringer Speicherverbrauch - wächst nur linear mit der Zahl der Synapsen und nicht quadratisch zur Zahl der Neurone.
• In-situ-Datenverarbeitung - Keine Vorverarbeitung der netzinternen Datenstrukturen vor Benutzung gerade editierter Netze notwendig, also auch kein diesbezüglicher Speicher- und Rechenzeitverbrauch.
• Gebrauch von Lowlevel-Datenstrukturen (arrays) für einfache Portabilität. Es ist nicht das Ziel, das letzte bisschen asymptotischer Komplexität aus dem Framework herauszuquetschen, sondern es in der Praxis schlank, benutzbar und schnell zu halten.
• Kein objektorientierter Overload. Ich habe schon Implementierungen gesehen, die eigene Objekte für Synapsen und Neurone vorsehen.

Da meine Seite den Server wechselt, kann es um Sonntag, den 7. März 2010 zu kleineren Störungen bis hin zur Unerreichbarkeit kommen. Ich bitte dies zu entschuldigen. Die Seite hatte in letzter Zeit einige trafficbedingte Langsamkeiten aufgewiesen und wird dann auch wieder was schneller.

Pünktlich zum Semesterbeginn. Mit neuem Layout, vielen Verbesserungen, neuen Inhalten und natürlich wieder bilingual in Deutsch und Englisch.

Das Script gibt es wie immer in der zugehörigen Unterseite über Neuronale Netze. In der Epsilonversion wurde das Manuskript auf eine komplett neue technische Basis gestellt. Aber auch im Text hat sich viel getan.

• Neues Kapitel: Biologische Neuronale Netze
• Neues Layout und Design, das den Regeln der Typographie folgt und so für mehr Lesbarkeit sorgt. Abstände und Satzspiegel relayoutet.
• Neue Seitenheader und -footer mit Sektions- und Kapitelnamen
• Neue, modernere Schriftarten. Unterschied sieht man kaum, sie haben aber einen lesbareren Typenspiegel.
• „Sprechende Überschriften“ über das ganze Manuskript hinweg fassen den Inhalt des zugehörigen Abschnittes in einem Satz zusammen.
• Anklickbare Links und elektronisches PDF-Inhaltsverzeichnis über das ganze Manuskript hinweg.
• Viele kleine Verbesserungen, die mir von Lesern vorgeschlagen wurden, danke an dieser Stelle noch einmal hierfür! In diesem Zuge natürlich eine Erweiterung der Liste der helfenden Leser im Vorwort
• Es existiert jetzt nur noch ein Inhaltsverzeichnis mittlerer Länge, statt einem langen und einem kurzen
• Verschiedene Umsortierungen. Teile vom Perceptronkapitel (5) sind ins Lernkapitel (4) gewandert, die Reihenfolge einiger Kapitel wurde geändert. Part IV „Weitere Betrachtung von Lernvorgängen“ wurde gestrichen, die zugehörigen Kapitel anders einsortiert. Die Regional and Online Learnable Fields wurden in den Exkurs über Clustering verschoben.
• Neue CC-Lizenz, siehe Unterseite
• Tolles neues Cover

Ein ganz großer Dank geht wieder an Beate Kuhl, die wieder unentgeltlich die Übersetzung vorgenommen hat!